MétaCan
Menu
Retour à la cohorte
Enregistrement W2898733896 · doi:10.33354/smst.75727

Timotein maantieteelliset geenipoolit ja niiden käyttö jalostusohjelmissa

2010· article· fi· W2898733896 sur OpenAlexaff
Mika Isolahti

Notice bibliographique

RevueSuomen Maataloustieteellisen Seuran Tiedote · 2010
Typearticle
Languefi
DomaineAgricultural and Biological Sciences
ThématiqueBotany and Plant Ecology Studies
Établissements canadiensCollège Boréal
Organismes subventionnairesnon disponible
Mots-clésAnimal scienceMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Timotein (Phleum pratense L.) tärkeimpiä viljelyalueita ovat Skandinavia, Venäjä, Japani, Keski-Eurooppa ja Pohjois-Amerikka. Timoteilla voidaan erottaa eri kasvutyyppejä maantieteellisen alkuperän mukaan. Suomessa ja muualla Skandinavian pohjoisemmissa osissa viljellyillä timoteilajikkeilla on ollut erittäin hyvä talvehtimiskyky. Niiden sato on painottunut ensimmäiseen satoon, ts. jälkikasvukyky on ollut suhteellisen vaatimaton. Perinteiset pohjoisen tyypin timoteit ovat kahden niiton lajikkeita. Eteläisempää tyyppiä edustavien lajikkeiden jälkikasvukyky on parempi ja ne voidaan niittää useampia kertoja. Talvenkestävyys ei yleensä riitä Suomen olosuhteissa. Erilaista maantieteellistä alkuperää olevaa materiaalia käyttämällä voidaan parantaa toiselle maantieteelliselle alueelle tehtävää jalostusohjelmaa tuomalla ohjelmaan uusia ominaisuuksia. Suomessa käytettyjen timoteilajikkeiden heikkous on niiden huono jälkikasvukyky. Jälkikasvukykyä voidaan parantaa käyttämällä eteläisempää alkuperää olevaa kasvimateriaalia. Tuotaessa eteläistä materiaalia Suomeen suunnattuun jalostusohjelmaan ongelmaksi tulee talvenkestävyyden heikkeneminen sekä sadon laadun aleneminen. Talvehtimiseen liittyviä ongelmia voidaan välttää testaamalla eri maantieteellistä alkuperää oleva kasvimateriaali riittävän ankarassa valintatestissä ennen jalostusohjelmaan sisään vientiä. Eteläisempää alkuperää oleva materiaalin laatu on yleensä heikompi. Kehitysrytmi on selvästi nopeampi kuin pohjoisella materiaalilla ja korren osuus biomassasta on suurempi. Ilmeisesti myös ligniinin ja iNDF-kuidun osuus korressa on suurempi. Laatuominaisuuksista saadaan ensimmäiset luotettavat havainnot jälkeläistestauksessa, minkä jälkeen materiaalia voidaan käyttää varsinaisten synteettisten linjojen tekemiseen. Jalostusohjelmissa voidaan tavoitella joko paikallista tai laajaa sopeutumista. Perinteisesti timoteita on jalostettu hyvinkin spesifisille kohdealueille, esimerkiksi Pohjois- ja Etelä- Suomeen on jalostettu omia lajikkeita. Kuitenkin nykyiset modernit timoteilajikkeet, joiden taustalla on laajempi geenipooli, menestyvät hyvin koko maassa. Talvehtimisessa ei ole ongelmia, jälkikasvukyky ja laatu ovat parempia kuin vanhoilla lajikkeilla. Viime kädessä lajikemarkkinan koko ratkaisee sen miten suuri lajikkeen adaptaatiokyvyn pitää olla. Laajemmassa tarkastelussa timoteilla voidaan erottaa neljä laajempaa potentiaalista jalostuksen kohdealuetta: 1. Skandinavian pohjoisosa (Suomi, Ruotsi (keski- ja pohjoisosa), Norja, Islanti), 2. mantereinen Keski-Eurooppa, 3. merellinen Keski-Eurooppa, 4. Pohjois-Amerikka. Vaatimukset lajikkeille vaihtelevat vielä kohdealueittain ja maittain, esim. sadon määrän ja laadun merkityksen suhteen. Kohdealuekohtaisen jalostustyön synnyttämää vaihtelua voidaan hyödyntää muille kohdealueille tehtävissä jalostusohjelmissa soveltuvin osin. Käyttämällä laajaa geneettistä pohjaa jalostuksessa on mahdollista tehdä lajikkeita joilla on erittäin laaja adaptaatiokyky.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,658
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSuomen Maataloustieteellisen Seuran TiedoteMême sujetBotany and Plant Ecology StudiesTravaux en français237 207